谷歌“云”预测
谷歌流感趋势
谷歌流感趋势
10年前,美国疾病控制及预防中心(CDC)只能提供发生于几周前的流感疫情报告,但却不能预测疫情当下或者未来的流行情况。不过随着技术的进步,CDC已经开始更新实时疫情报告,并且在季节性流感发生时,已经基本做到可以观察病情消长变化情况。 2008,CDC数据信息加入“谷歌流感趋势”。“谷歌流感趋势”是通过监控谷歌搜索的相关数据分析而来。输入“流感药物”、“受凉还是流感”、或者“流感症状”这样的关键词将提示搜索者伴有流感样症状的可能性很高。科学家们可以通过这些数据分析全球流感趋势。“谷歌流感趋势”的相关研究已经发表在《Nature》上,研究结果显示由简单算法汇集的谷歌数据与CDC报告得出的官方数据完美契合。
      但是,这对那些前瞻性的医生和科学家来说,实时的流感信息还不够好,他们更希望得到几天甚至几周以后流感的发生地点。因为这些信息有助于医生和公共健康人员更好地应对流感爆发,甚至可以终止萌芽阶段的流感疫情。新的电脑模型和手机应用将把这些预报的想法变得更贴近现实。
疾病上报“云”策略
ClickClinica指南初形成
ClickClinica指南初形成
Benedict Michael——利物浦大学的一位神经病学专家和感染性疾病专家,希望建立一个可携带的、易用的指南,这样,医生就可以很方便的决定给予他们的患者什么样的治疗。这个指南的名字叫做ClickClinica。它包括一个简单的、可搜索的病情数据库,并且可以提供相关诊断性检测方法和恰当的治疗。“一名医生只需要简单地点几下,就可以让患者接收到相关疾病信息,并且同时将这些病例上报。在开始设计ClickClinica的时候,Michael意识到他有个非常大的机遇。Michael指出,“各种手机应用对我们目前医学实践的方法有着重要的意义,但是现有的应用都是单方向的。
 
ClickClinica指南的疾病上报功能
ClickClinica指南的疾病上报功能
在ClickClinica上,医生简单地点几下就可以使他们接收信息并且自动上报病例。上报病例这一特征把普通的电子医学手册变成了活跃的、可简单使用的、并且可对全世界范围内疾病进行汇总分析的系统。 起初,Michael担心这种iPhone应用只有发达国家的有钱人才会用到。但是ClickClinica前2个月的下载数据显示全世界范围的医生在他们面临疾病的时候都应用了这一应用上报病例。至今为止,ClickClinica已经确定了全世界23例新发结核(包括五例结核性脑膜炎),并且确定了在马来西亚出现的耐药性HIV感染和缅甸狂犬病的发生。
      按照Michael的说法,ClickClinica使传统疾病汇报的方法更加简单快捷。尽管疾病报告并非法律要求,但这一应用已经发展为世界范围内的感染性疾病监控网点,这将有助于预测感染性疾病可能的爆发。ClickClinica会对每个上报数据的地点和时间进行匿名处理并收集和储存,Michael希望研究者们可以运用这个数据库来跟踪并且预测疾病的爆发。
流感预测“云”模型
疾病预测数学模型的建立
疾病预测数学模型的建立

细化的全球数据对于建立疾病预测数学模型至关重要,因为这种数学模型有助于预测流感疫情高峰的发生时间和地点。研究人员可以通过社会接触得到的数据预测感染性疾病的暴发高峰的时间点。2009年,网络科学家,美国哈佛大学的Nicholas Christakis和加州大学圣地亚哥分校的James Fowler收集了来自哈佛大学本科生的社会接触信息,同时跟踪了经典的H1N1流感病毒病例的循环,他们通过观察这些哈佛学生频繁列出的朋友名单,建立了最简单的预测H1N1疫情高峰的方法。研究人员得出结论:那些接触人数较多的个体更易于在早期感染流感,并且他们罹患病情的传染性比其他人更强。

不过获得这种类型数据将会非常耗时,如果公共健康工作者都去干这个,那么疫苗接种这样的疾病预防措施将没有时间开展。因此,哥伦比亚大学流行病学专家Jeffery Shaman和他的同事利用2003年-2008年的谷歌流感趋势的数据研发了一种数学模型,这种数学模型可以预测流感季节未来7周的高峰情况。这些研究者将严格的流感数学传播模型与现实中观察到的流感感染情况结合并进行优化。
1框架
疾病预测"云"服务
疾病预测VS天气预报
疾病预测VS天气预报
密歇根大学的数学及疾病预报专家Aaron King指出,“这些数学模型综合成为一种疾病的范式,并且可以利用这些模型来预测疫情。而且如果我们有真正强力的范式,就能很容易的预报相关疾病”。但是Shaman补充道“我不是仅仅想预测明天将要发生什么,我想说的是我能对我做出的预测有多自信”他说。一个好的天气预报能够预报明天80%的降雨概率,那么一个好的疾病预报也将有这样的确信度。疾病预报和天气预报的相似度使得Shaman把Alicia Karspeck——一名美国国家大气研究中心的气象学家纳入到团队中。“这将把科学纳入到这一操作模型中来。
疾病预测需要的数据
疾病预测需要的数据
与天气预报一样,疾病的预测也需要大量的数据。其中一项最重要的数据是可能感染的患者数目,但是这一完整数据的追踪难度显著地限制了病情预测的精确性。其他重要的数据包括出现感染的患者人数、易于传播传染的人数和人们感染疾病的时间长度等。甚至几个世纪前的病例报道都可以提供重要的数据。天气数据对于精确的疾病预报也至关重要。很多科学家推测,湿度的大幅改变可能导致流感病例的急剧增加。而长期的气候变化也可能导致霍乱的爆发。在孟加拉,人们非正式地把霍乱爆发和来自南美洲的东太平洋极端暖流(厄尔尼诺涛动)联系起来。King和他的同事们通过研究得出结论:厄尔尼诺现象增加了局部的洪水,而这可能会摧毁当地的卫生系统,从而导致霍乱的流行。
可预测的“台风”VS难以预测的“龙卷风”
可预测的“台风”VS难以预测的“龙卷风”
就像我们并不能准确预测所有的天气一样,我们也并不能很容易的预测所有疾病。比如说,气象学家现在可以成功地预测台风的发生,但是并不能预测龙卷风的发生,通常只能在它发生的几分钟前才发出警报。季节性流感和诸如麻疹、霍乱这样的疾病已经存在了上千年,这些疾病就像台风一样。这些疾病有很长的历史,并且波动规律,因此科学家能够计算出接下来会发生什么。但是,新产生的像SARS和埃博拉病毒感染这样的疾病更像是龙卷风。King解释道,这些疾病只有很少的数据可以用来进行预报。还有,这些感染性疾病的特点使得他们天生就不易于预报。这些病情的严重性导致他们可以在人群中迅速传播。
人们通过天气预报来知晓该不该带伞或者要不要多加外套。如果疾病预报也能做到这么广泛,那么人们将会运用这些预报信息来指导自己的行为。我们期待这种预报作为一款应用,出现在身边的智能手机上。
致谢:本文素材来自新近出版的Lancet,感谢丁香园资深版主@lightningwing的悉心翻译。
网友评论
 
 
回顶部